L'extraction des cibles d'opinion et l'extraction des mots d'opinion constituent deux sous-tâches fondamentales dans l'analyse de sentiment axée sur les aspects (Aspect-Based Sentiment Analysis, ABSA). Récemment, de nombreuses méthodes ont progressé sur ces deux tâches. Toutefois, peu de travaux se concentrent sur l'extraction conjointe des cibles d'opinion et des mots d'opinion sous forme de paires. Dans cet article, nous proposons une nouvelle sous-tâche d'étiquetage de séquence pour l'ABSA, nommée TOWE (Target-oriented Opinion Words Extraction), dont l'objectif est d'extraire les mots d'opinion correspondants à une cible d'opinion donnée. Nous avons conçu un modèle neuronal d'étiquetage de séquence fondé sur une fusion cible, qui encode efficacement les informations de la cible d'opinion dans le contexte grâce à un LSTM Inward-Outward. Ensuite, les contextes gauche et droit de la cible d'opinion ainsi que le contexte global sont combinés pour identifier les mots d'opinion correspondants. Nous avons construit quatre jeux de données pour TOWE à partir de plusieurs benchmarks populaires d'ABSA issus d'avis sur ordinateurs portables et restaurants. Les résultats expérimentaux montrent que le modèle proposé surpasse significativement les autres méthodes comparées. Nous pensons que ce travail pourra non seulement être utile pour les tâches ultérieures d'analyse de sentiment, mais aussi être appliqué à la synthèse d'opinions par paires.